约1950年代 ~ 约1960年代

人工智能智能体的概念雏形可追溯至人工智能学科的早期探索。1956年达特茅斯会议正式提出“人工智能”术语后，研究者开始构想能够感知环境并采取行动的智能实体。早期代表性工作包括艾伦·纽厄尔、赫伯特·西蒙和克利夫·肖开发的“逻辑理论家”程序，它能够模拟人类解决问题的过程，被视为一种早期的问题求解智能体。麻省理工学院的约瑟夫·魏泽鲍姆于1966年开发的ELIZA程序，通过模式匹配和脚本模拟罗杰斯式心理治疗师，展示了简单的人机对话能力，可视为最早的对话智能体雏形。这些早期系统虽然功能有限，且主要基于符号主义范式，但确立了智能体作为自主实体的基本理念。有观点认为，这一时期的智能体研究深受控制论和早期机器人学影响，为后续发展奠定了基础。

约1980年代 ~ 约1990年代

随着人工智能研究从通用问题求解转向特定领域，智能体概念得到进一步发展和理论化。1980年代，专家系统的兴起可以被视为特定领域的任务型智能体。同时，分布式人工智能和多智能体系统开始成为研究热点。罗德里克·布鲁斯于1986年提出的“智能体”概念，强调其作为在环境中通过传感器感知并通过效应器行动的实体。1995年，迈克尔·伍德里奇和尼古拉斯·詹宁斯在其论文《智能体理论、架构和语言》中，系统性地提出了智能体的BDI模型，即信念、愿望和意图模型，为智能体架构提供了理论基础。这一时期，智能体被视为软件工程的一种新范式，智能体编程语言如Agent0、PLACA等被开发出来。学界常见观点认为，智能体技术开始从实验室走向实际应用探索，尤其在模拟、游戏和分布式计算领域。

约1990年代末 ~ 约2000年代

互联网的普及和万维网的发展催生了“软件智能体”和“信息智能体”的研究热潮。智能体被设想为能够在网络空间中代表用户执行任务的自主程序，例如信息检索、过滤、电子商务谈判等。麻省理工学院媒体实验室的帕蒂·梅斯等人提出了“协同过滤”和“推荐智能体”的概念。斯坦福大学的“知识共享”项目开发了基于本体的智能信息集成技术。同时，在学术和工业界，多智能体系统在供应链管理、交通控制、社交模拟等复杂系统建模中得到了广泛应用。据资料显示，这一时期也出现了早期的一些商业尝试，如微软Office助手“大眼夹”，尽管其智能程度有限且用户体验评价不一，但标志着智能体技术开始面向普通用户。智能体标准如FIPA也开始制定，旨在促进智能体间的互操作性。

2011年

苹果公司在其移动操作系统iOS中集成了智能语音助手Siri，标志着消费级AI智能体进入大众视野。Siri源于美国国防部高级研究计划局的CALO项目，后被苹果收购并深度整合。Siri能够通过自然语言处理理解用户指令，调用系统及第三方应用服务完成设定闹钟、发送信息、查询天气等任务，初步体现了智能体作为“个人助理”的愿景。Siri的发布引发了科技巨头在语音助手领域的竞争，后续谷歌推出了Google Now（后发展为Google Assistant），微软推出了Cortana。这些智能体虽然功能不断增强，但在当时仍受限于对话理解的深度、上下文连贯性以及任务执行的可靠性。有观点认为，Siri的推出是AI智能体从实验室和专业领域迈向普适性个人计算界面的关键转折点，但其技术局限性也反映了当时自然语言理解和常识推理的挑战。

约2015年 ~ 约2020年

深度学习的突破性进展，特别是循环神经网络、长短时记忆网络以及后来的Transformer架构，极大地提升了AI在感知和生成任务上的能力，为更强大的智能体奠定了基础。这一阶段，研究重点从基于规则和逻辑的智能体转向数据驱动的端到端学习智能体。在游戏领域，DeepMind的AlphaGo（2016年）及其后续版本AlphaZero，展示了通过强化学习自我对弈训练出的超级智能体，能够在高度复杂的决策环境中超越人类顶级水平。OpenAI开发的OpenAI Five在Dota 2游戏中战胜人类职业战队，展示了多智能体协作的潜力。这些进展不仅证明了深度强化学习在构建决策智能体方面的有效性，也推动了相关算法和基础设施的快速发展。学界常见观点认为，这一时期的智能体主要在封闭、规则明确的虚拟环境中取得突破，为向开放环境迁移积累了经验。

2020年 ~ 约2022年

大语言模型的兴起，特别是OpenAI发布的GPT-3，为AI智能体赋予了强大的语言理解和生成核心。基于大语言模型的智能体展现出前所未有的通用对话能力、知识储备和代码生成能力，使其能够更自然地理解用户意图，并通过工具调用（如API、搜索引擎、计算器）来执行复杂任务。这一阶段出现了“智能体即界面”的趋势，用户可以通过自然语言指令让智能体操作软件、分析数据、编写报告等。例如，OpenAI的Codex驱动了GitHub Copilot，成为编程助手智能体。同时，研究社区开始探索将大语言模型作为智能体的“大脑”，为其配备规划、记忆和工具使用能力，构建更自主的智能体架构，如ReAct、AutoGPT等早期实验。据资料显示，这些智能体虽然展示了潜力，但在长期任务规划、可靠性和安全性方面仍面临显著挑战。

2023年 ~ 2024年

AI智能体进入快速发展与生态构建期，其核心特征是基于大语言模型并具备自主规划与工具使用能力。OpenAI在2023年11月的首届开发者大会上推出了GPTs和Assistants API，允许用户通过自然语言指令定制具有特定知识、能力和工具的智能体，并计划推出GPT商店构建生态。与此同时，科技公司竞相发布智能体开发平台或产品，如谷歌的Gemini Advanced、微软的Copilot从编程助手扩展为全平台智能体、百度的文心智能体平台、阿里的通义灵码等。开源社区也异常活跃，出现了如Meta的Llama系列模型及基于其构建的各类智能体框架。智能体的应用场景迅速扩展至客户服务、内容创作、数据分析、科研辅助、个人助理等众多领域。有观点认为，2024年成为“AI智能体元年”，但随之而来的关于智能体幻觉、安全性、伦理、就业影响以及对人类认知依赖的讨论也日益激烈。

2024年

AI智能体的前沿探索聚焦于更高的自主性、多模态感知与行动能力，以及具身智能。OpenAI、谷歌等公司积极研发具备更强推理和规划能力的下一代模型，如OpenAI的o1系列模型强调推理过程。谷歌的Project Astra等演示展示了实时、多模态（视觉、语音）交互的智能体前景。在机器人领域，“具身智能”成为热点，旨在将大语言模型或视觉语言模型作为机器人的“大脑”，使其能理解物理世界并执行复杂操作，例如谷歌的RT-2模型。此外，智能体间的协作与群体智能受到关注，研究如何让多个智能体分工合作解决更宏大的问题。据资料显示，行业同时面临严峻挑战：如何确保智能体的行为安全、可靠、符合人类价值观；如何建立有效的评估体系；以及如何应对其对社会经济结构的潜在冲击。监管框架和行业标准正在全球范围内被积极讨论。